[转］mysql分布式方案-分库拆表

来源：http://kissthink.com/archive/mysql-distributed-programs---and-warehouses-split-table.html

 

分库&拆表方案

       基本认识

         用分库&拆表是解决数据库容量问题的唯一途径。

         分库&拆表也是解决性能压力的最优选择。

         分库 – 不同的数据表放到不同的数据库服务器中（也可能是虚拟服务器）

         拆表 – 一张数据表拆成多张数据表，可能位于同一台服务器，也可能位于多台服务器（含虚拟服务器）。

       去关联化原则

         摘除数据表之间的关联，是分库的基础工作。

         摘除关联的目的是，当数据表分布到不同服务器时，查询请求容易分发和处理。

         学会理解反范式数据结构设计，所谓反范式，第一要点是不用外键，不允许Join操作，不允许任何需要跨越两个表的查询请求。第二要点是适度冗余减少查询请 求，比如说，信息表，fromuid, touid, message字段外，还需要一个fromuname字段记录用户名，这样查询者通过touid查询后，能够立即得到发信人的用户名，而无需进行另一个数 据表的查询。

         去关联化处理会带来额外的考虑，比如说，某一个数据表内容的修改，对另一个数据表的影响。这一点需要在程序或其他途径去考虑。

        分库方案

         安全性拆分

       将高安全性数据与低安全性数据分库，这样的好处第一是便于维护，第二是高安全性数据的数据库参数配置可以以安全优先，而低安全性数据的参数配置以性能优先。参见运维优化相关部分。

         顺序写数据与随机读写数据分库

       顺序数据与随机数据区分存储地址，保证物理i/o优化。这个实话说，我只听说了概念，还没学会怎么实践。

        基于业务逻辑拆分

       根据数据表的内容构成，业务逻辑拆分，便于日常维护和前端调用。

       基于业务逻辑拆分，可以减少前端应用请求发送到不同数据库服务器的频次，从而减少链接开销。

       基于业务逻辑拆分，可保留部分数据关联，前端web工程师可在限度范围内执行关联查询。

        基于负载压力拆分

       基于负载压力对数据结构拆分，便于直接将负载分担给不同的服务器。

       基于负载压力拆分，可能拆分后的数据库包含不同业务类型的数据表，日常维护会有一定的烦恼。

         分表方案

         数据量过大或者访问压力过大的数据表需要切分

         忙闲分表

       单数据表字段过多，可将频繁更新的整数数据与非频繁更新的字符串数据切分

       范例user表 ，个人简介，地址，QQ号，联系方式，头像 这些字段为字符串类型，更新请求少； 最后登录时间，在线时常，访问次数，信件数这些字段为整数型字段，更新频繁，可以将后面这些更新频繁的字段独立拆出一张数据表，表内容变少，索引结构变 少，读写请求变快。

         横向切表

       等分切表，如哈希切表或其他基于对某数字取余的切表。等分切表的优点是负载很方便的分布到不同服务器；缺点是当容量继续增加时无法方便的扩容，需要重新进行数据的切分或转表。而且一些关键主键不易处理。

       递增切表，比如每1kw用户开一个新表，优点是可以适应数据的自增趋势；缺点是往往新数据负载高，压力分配不平均。

       日期切表，适用于日志记录式数据，优缺点等同于递增切表。

       个人倾向于递增切表，具体根据应用场景决定。

         热点数据分表

       将数据量较大的数据表中将读写频繁的数据抽取出来，形成热点数据表。通常一个庞大数据表经常被读写的内容往往具有一定的集中性，如果这些集中数据单独处理，就会极大减少整体系统的负载。

       热点数据表与旧有数据关系

         可以是一张冗余表，即该表数据丢失不会妨碍使用，因源数据仍存在于旧有结构中。优点是安全性高，维护方便，缺点是写压力不能分担，仍需要同步写回原系统。

         可以是非冗余表，即热点数据的内容原有结构不再保存，优点是读写效率全部优化；缺点是当热点数据发生变化时，维护量较大。

         具体方案选择需要根据读写比例决定，在读频率远高于写频率情况下，优先考虑冗余表方案。

       热点数据表可以用单独的优化的硬件存储，比如昂贵的闪存卡或大内存系统。

       热点数据表的重要指标

         热点数据的定义需要根据业务模式自行制定策略，常见策略为，按照最新的操作时间；按照内容丰富度等等。

         数据规模，比如从1000万条数据，抽取出100万条热点数据。

         热点命中率，比如查询10次，多少次命中在热点数据内。

         理论上，数据规模越小，热点命中率越高，说明效果越好。需要根据业务自行评估。

       热点数据表的动态维护

         加载热点数据方案选择

         定时从旧有数据结构中按照新的策略获取

         在从旧有数据结构读取时动态加载到热点数据

         剔除热点数据方案选择

         基于特定策略，定时将热点数据中访问频次较少的数据剔除

         如热点数据是冗余表，则直接删除即可，如不是冗余表，需要回写给旧有数据结构。

      通常，热点数据往往是基于缓存或者key-value 方案冗余存储，所以这里提到的热点数据表，其实更多是理解思路，用到的场合可能并不多….

         表结构设计

         查询冗余表设计

       涉及分表操作后，一些常见的索引查询可能需要跨表，带来不必要的麻烦。确认查询请求远大于写入请求时，应设置便于查询项的冗余表。

       实战范例，

         用户分表，将用户库分成若干数据表

         基于用户名的查询和基于uid的查询都是高并发请求。

         用户分表基于uid分成数据表，同时基于用户名做对应冗余表。

       冗余表要点

         数据一致性，简单说，同增，同删，同更新。

         可以做全冗余，或者只做主键关联的冗余，比如通过用户名查询uid，再基于uid查询源表。

         中间数据表

       为了减少会涉及大规模影响结果集的表数据操作，比如count，sum操作。应将一些统计类数据通过中间数据表保存。

       中间数据表应能通过源数据表恢复。

       实战范例：

         论坛板块的发帖量，回帖量，每日新增数据等

         网站每日新增用户数等。

         后台可以通过源数据表更新该数字。

         历史数据表

       历史数据表对应于热点数据表，将需求较少又不能丢弃的数据存入，仅在少数情况下被访问。